menasalvas, gonzalo y rodrÍguez

Vista previa del material en texto

405 >Ei 87
BIG DATA EN SALUD: RETOS Y 
OPORTUNIDADES
La informatización de los procesos ha provocado que empresas y organizaciones de todo 
tipo hayan acumulado una cantidad ingente de datos. Esto nos ha llevado a denominar los 
tiempos actuales como la era del «Big Data», donde se requieren nuevas tecnologías para 
gestionar y extraer el valor de los datos complejos que se generan en grandes volúmenes 
a altas velocidades. Si bien este fenómeno está afec-
tando a todos los sectores, el sector sanitario es una 
de las áreas en las que la incidencia de este fenóme-
no está siendo especialmente relevante, debido entre 
otros elementos a la implantación de la Historia Clínica 
Electrónica (EHR) (1), a la reciente explosión en lo referi-
do a generación de datos de tipo genómico (gracias 
en parte a su abaratamiento), y al hecho de que la 
mayoría de datos que se generan en el sector son no 
estructurados. 
Las aplicaciones de Big Data en el sector de la salud 
indican un alto potencial para mejorar la eficiencia y 
calidad de provisión de cuidados. En el estudio de Mc-
Kinsey (McKinsey & Company, 2011) se afirma que si el 
sector de la salud en los Estados Unidos usara tecno-
logías de Big Data de manera efectiva para producir 
calidad el sector podría crear más de 300 billones de 
dólares cada año y dos tercios de esto sería en forma 
de reducción de gastos de salud en alrededor de un 
8%. IBM proporciona cifras igualmente alarmantes en 
el informe de Korster y Seider de 2010, donde se analiza 
la ineficiencia del sistema de salud americano en 2,5 
trillones de dólares malgastados anualmente y donde 
el grado de eficiencia se podría mejorar hasta un 35%, 
si se compara con otros grandes sectores industriales.
En concreto en España, el gasto en Tecnologías de Infor-
mación y Comunicaciones (TIC) en la sanidad pública 
en 2013 ascendió a 624 millones de euros, lo que sig-
nifica que menos del 1,20% del gasto sanitario público 
total se dedicó a las TIC. Estos datos proceden del último 
informe Índice SEIS (2), el cual recoge de forma objetiva 
datos reales del sector sobre el gasto TIC en sanidad en 
España. Del estudio se desprende que, en la fecha del 
estudio, las TIC se estaban utilizando para almacenar la 
información generada por el sistema sanitario de salud, 
pero no se estaba utilizando dicha información para 
mejorar la atención a los pacientes y la gestión y eficien-
cia de los servicios sanitarios. 
La Historia Clínica Digital del Sistema Nacional de Salud 
(HCDSNS) surge para garantizar a los ciudadanos y a los 
profesionales sanitarios el acceso a la información clíni-
ca relevante para la atención sanitaria de un paciente 
desde cualquier lugar del SNS. La implantación de la 
Historia Clínica genera una enorme cantidad de datos 
no estructurados, casi 40 millones de Historias Clínicas 
ERNESTINA MENASALVAS
CONSUELO GONZALO
ALEJANDRO RODRÍGUEZ-GONZÁLEZ
Universidad Politécnica de Madrid
88 >Ei405
Electrónicas que se registraron en España en el 2013 
y más de un 1 millón de GB que contienen las imá-
genes generadas en exploraciones médicas. A fe-
cha de febrero de 2017, el informe de situación del 
proyecto (HCDSNS) refleja que los Servicios de Salud 
que tienen activado el perfil emisor (emite los distintos 
tipos de informes clínicos contenidos en el Conjunto 
Mínimo de Datos de los Informes Clínicos (CMDIC) 
para todos sus ciudadanos y se facilita el acceso al 
sistema a sus ciudadanos para la totalidad de los ser-
vicios disponibles) son 17 sobre un total de 18, con 
una cobertura de población con referencias HCDSNS 
en cifras absolutas de 35.726.423 ciudadanos que en 
relación con la población TSI (tarjeta sanitaria indivi-
dual) supone un 77,48%.
Como consecuencia del almacenamiento de estos 
datos, los hospitales cuentan con una ingente canti-
dad de información no estructurada en forma textual 
o visual, que puede ser explotada con tecnologías 
de Big Data. Y es que Big Data representa el paradig-
ma perfecto para el desarrollo de lo que se conoce 
como medicina basada en la evidencia. La Medici-
na Basada en la Evidencia es una expresión que se 
ha generalizado en castellano como equivalente a 
la expresión inglesa Evidence-Based Medicine (EBM). 
La definición clásica de EBM es «el uso consciente, 
explícito y juicioso de las mejores y más actuales evi-
dencias o pruebas en la toma de decisiones sobre el 
cuidado de los pacientes». Es un mecanismo efecti-
vo no sólo para mejorar la calidad de los cuidados 
de salud, sino también para reducir los errores clíni-
cos y la variabilidad en la práctica clínica, e influye 
directamente en la capacitación para la aplicación 
de lo que se denomina medicina personalizada. Para 
llevar a cabo la EBM, es necesario que se integre la 
experiencia clínica de los profesionales y las mejores 
evidencias disponibles procedentes de la investiga-
ción científica, siempre teniendo en cuenta las ca-
racterísticas y valores de cada paciente.
No obstante, la aplicación de técnicas de Big Data en 
el sector salud todavía tiene que afrontar algunos retos 
tecnológicos causados por los avances de los mecanis-
mos de almacenamiento y gestión de datos, computa-
ción en la nube y por los resultados derivados del IoT (3) 
(Internet de las cosas) que permite adquirir, almacenar y 
procesar datos de todo tipo (sensores, clínica, compor-
tamiento, genómica, proteómica, imagen, texto, …). 
Solo por mencionar algunos de estos retos, destacamos 
aquí: 
1. las necesidades de integración de información; 
2. las necesidades de documentar de manera digital 
sin que se requiera un esfuerzo extra a los profesio-
nales de la salud; 
3. análisis de contenidos de datos no estructurados 
de salud (imagen, texto, ...) que se tendrán que 
mejorar con anotaciones semánticas; 
4. silos de datos cuya integración habrá que afron-
tar; 
5. medios técnicos y legales que aseguren la com-
partición y el intercambio de datos; 
6. medios para asegurar la calidad.
En este artículo cubrimos algunos de los aspectos que 
suponen hoy en día un reto en salud. En particular abor-
damos, en primer lugar, un análisis del problema de 
descubrimiento de conocimiento en bases de datos; 
con posterioridad analizamos el reto de las redes so-
ciales en salud y después abordaremos algunos de los 
retos que la explotación de la información contenida en 
la imagen médica conlleva.
BIG DATA EN SALUD
Desde la introducción del concepto Big Data se han 
asociado una serie de características clave que lo de-
finen, llamadas las «V» de Big Data. Inicialmente, estas 
características eran tres: volumen, velocidad y variedad. 
Posteriormente se han añadido otras características, 
como la veracidad de los datos, añadiendo así cuatro 
dimensiones y marcando las características que tradi-
cionalmente se están asociando a Big Data, y otra quin-
ta dimensión, el valor de los datos, que se ha añadido 
recientemente, generando así las denominadas cinco 
V del Big Data.
Esta definición es válida en todos los sectores en los que 
se dé la confluencia de esta serie de características en 
mayor o menor medida, y así ocurre en el dominio de la 
salud, por lo que estos términos también son relevantes 
en el sector.
En el campo de la medicina el enorme volumen de da-
tos de asistencia sanitaria existente incluye registros mé-
dicos personales, imágenes médicas, datos de ensayos 
clínicos, altas, datos a nivel genético, las secuencias ge-
nómicas de datos de población, etc. Más recientemen-
te, están alimentando este exponencial crecimiento las 
imágenes en 3D, así como las lecturas de los sensores 
biométricos o los dispositivos wearables. Afortunada-
mente, los avances en la gestión de datos, en particular 
la virtualización y el Cloud Computing, están facilitando 
el desarrollo de plataformas para la captura más eficaz, 
almacenamiento y manipulación de estos grandes vo-
lúmenes de datos (Bonnie Feldman, Ellen M. Martin, & 
Tobi Skotnes, 2012).
Por otra parte, la mayor parte de datos de la saludhan 
sido tradicionalmente estáticos: registros médicos, rayos 
X, pruebas de laboratorio, etc. Pero esta tendencia está 
cambiando y ahora la velocidad de generación va en 
aumento con datos como por ejemplo los relacionados 
con la supervisión periódica, tales como mediciones de 
glucosa en diabéticos (control continuo por las bombas 
de insulina), la presión arterial, electrocardiogramas, y 
toda la monitorización realizada en las unidades de cui-
dados intensivos, por mencionar sólo algunos ejemplos. 
El análisis de estos datos en tiempo real podría servir para 
identificar y aplicar los tratamientos adecuados que po-
drían ayudar a reducir la morbilidad y la mortalidad de 
los pacientes e incluso prevenir los brotes hospitalarios.
E. MENASALVAS / C. GONZALO / A. RODRÍGUEZ-GONZÁLEZ
405 >Ei 89
BIG DATA EN SALUD: RETOS Y OPORTUNIDADES
En la misma medida en la que evoluciona la naturaleza 
de los datos de salud lo tienen que hacer las técnicas 
de análisis. Ya no podemos hablar solo de los datos 
estructurados como los recogidos en los historiales mé-
dicos electrónicos. Cada vez más, los datos están en 
formatos multimedia y no están estructurados. La enor-
me variedad de datos estructurada, no estructurada 
y semi-estructurada es lo que hace que los datos de 
salud sean al mismo tiempo interesantes y desafiantes.
Los datos estructurados son aquellos que se pueden 
almacenar, consultar, analizar y manipular por orde-
nador fácilmente. Históricamente, en la asistencia 
sanitaria, los datos estructurados y semi-estructurados 
incluyen las lecturas de los dispositivos, y los datos de la 
historia clínica digital. Se generaban también datos no 
estructurados (que se siguen generando allí donde no 
se ha adoptado la historia clínica digital): los registros 
médicos de la oficina, notas manuscritas, ingresos en 
el hospital, así como los registros de altas, las recetas 
de papel, las radiografías, Imagen por Resonancia 
Magnética (MRI) (4), Tomografía Computarizada (CT) 
(5) y otras imágenes.
Hoy en día, además de todos estos datos, el sector 
médico se inunda cada día con los datos generados 
por dispositivos móviles, la genética y la genómica, los 
medios sociales, literatura y otras fuentes. Sin embargo, 
relativamente pocos de estos datos en la actualidad se 
pueden adquirir, almacenar y organizar de tal manera 
que se pueda analizar por los ordenadores para obte-
ner información útil. Se precisan técnicas y herramientas 
más eficientes que permitan combinar y convertir todos 
estos datos en datos estructurados para su posterior 
análisis.
Los datos estructurados de los registros médicos digitales 
incluyen datos como el nombre del paciente, datos de 
nacimiento, dirección, nombre, nombre del hospital del 
médico y dirección, tratamientos u otras informaciones 
relativamente sencillas de codificar y automatizar en 
bases de datos. Pero la historia clínica digital contiene 
información en lenguaje natural cuyo análisis podría 
desvelar información de interés. El potencial de Big Data 
en la asistencia sanitaria radica en la combinación de 
datos tradicionales con las nuevas formas de datos, tan-
to de forma individual como poblacional.
Por otra parte, hemos de hablar también de la calidad 
de los datos. Los problemas de calidad de datos son 
especialmente importantes en el sector de la salud por 
dos razones: las decisiones de vida o muerte dependen 
de tener la información precisa, y la calidad de los datos 
de salud, especialmente de datos no estructurados, es 
altamente variable y con demasiada frecuencia inco-
rrecta o incompleta. La veracidad asume escalabilidad 
en granularidad y en el rendimiento de las arquitecturas 
y plataformas, algoritmos, metodologías y herramientas 
para que responda a las exigencias de Big Data. Se re-
quieren nuevas arquitecturas para procesar los datos y 
nuevos algoritmos.
Finalmente, con la evolución surgida especialmente en 
los últimos años, se considera muy relevante que todos 
los proyectos de Big Data tengan como enfoque el 
aporte de valor durante o al final del proceso elaborado 
como parte del proyecto. De esta forma, los proyectos 
Big Data no sólo se enfocan en el análisis de grandes 
cantidades de datos, que se generan rápidamente, 
con unas características muy heterogéneas y que sean 
correctos, sino que además el análisis de estos datos 
debe arrojar un beneficio para las entidades implica-
das. En el caso del dominio sanitario, los beneficios pue-
den ser económicos por reducción de costes, eficien-
cia en la gestión de farmacia, disminución del número 
de ingresos o estancias hospitalarias, disminución en el 
número de consultas sucesivas o una mayor capaci-
dad y mejor calidad de atención de pacientes.
Con el conocimiento de estas características, se ob-
serva que la mejora en el punto de recogida de datos 
para tratar de evitar errores en la propia recogida y redu-
cir costes son cruciales, pero el aumento de variedad y 
de alta velocidad obstaculizan la capacidad de limpiar 
los datos antes de analizarlos y consiguientemente im-
pactan a la toma de decisiones puesto que se pone en 
duda la «confianza» de los mismos.
No obstante, si las cinco V analizadas son un punto de 
partida apropiado para una discusión acerca del aná-
lisis de grandes volúmenes de datos en la asistencia 
sanitaria, no debemos olvidar otras cuestiones como ar-
quitecturas y plataformas, herramientas, metodologías 
y la necesidad de interfaces construidas por y para los 
profesionales de la salud.
Todos estos temas se deben abordar para aprovechar 
y maximizar el potencial del análisis de datos en la asis-
tencia sanitaria. 
DATA MINING
El campo de la Informática de la Salud está en la cús-
pide de su período más emocionante hasta la fecha, 
entrando en un nueva era donde la tecnología está 
empezando a manejar grandes volúmenes de datos, 
dando lugar a un potencial ilimitado para el crecimien-
to de la información. La minería de datos y análisis de 
datos grandes están ayudando a tomar decisiones re-
lativas a diagnóstico, tratamiento, … Y todo finalmente 
enfocado a una mejor atención al paciente.
El uso de minería de datos en Estados Unidos en salud 
puede ahorrar a la industria de la salud hasta 450 mil mi-
llones de dólares cada año (Basel Kayyali, David Knott, 
& Steve Van Kuiken, 2013). Esto se debe a los volúme-
nes crecientes de datos generados y de las tecnologías 
para analizarlos.
El explosivo crecimiento de datos generó, ya en la dé-
cada de los 80, la aparición de un nuevo campo de 
investigación que se denominó KDD (Knowledge Dis-
covery in Databases). Bajo estas siglas se esconde el 
proceso de descubrimiento de conocimiento en gran-
des volúmenes de datos (Fayyad, Piatetsky-Shapiro, & 
Smyth, 1996). El proceso de KDD ha servido para unir a 
investigadores de áreas como la inteligencia artificial, la 
90 >Ei405
E. MENASALVAS / C. GONZALO / A. RODRÍGUEZ-GONZÁLEZ
estadística, las técnicas de visualización, el aprendizaje 
automático o las bases de datos en la búsqueda de 
técnicas eficientes y eficaces que ayuden a encontrar 
el potencial conocimiento que se encuentra inmerso en 
los grandes volúmenes de datos almacenados por las 
organizaciones diariamente.
Si bien el nombre con el que apareció esta área de in-
vestigación fue el de KDD, en la actualidad este nombre 
ha sido sustituido por el de Data Mining. En un principio, 
Data Mining fue tan sólo usado para referirse a la etapa 
del proceso en la que se aplican las técnicas y algorit-
mos de descubrimiento, no obstante, ahora se usa para 
referirse al proceso global de descubrimiento.
Aunque no hay una única definición de Data Mining, 
la siguiente es, posiblemente, la más aceptada: «Pro-
ceso de extracción de información desconocida con 
anterioridad, válida y potencialmente útil de grandes 
bases de datos para usarla con posterioridad para to-
mar decisiones importantes de negocio» (Ian H. Witten, 
Eibe Frank, & Mark A. Hall, 2011).
El término proceso implica que la extracciónde conoci-
miento es la conjunción de muchos pasos repetidos en 
múltiples iteraciones. Se dice, por otra parte, que es no 
trivial, porque se supone que hay que realizar algún tipo 
de proceso complejo. Los patrones deben ser válidos, 
con algún grado de certidumbre, y novedosos, por lo 
menos para el sistema y, preferiblemente, para el usua-
rio, al que deberán aportar alguna clase de beneficio 
(útil). Por último, está claro que los patrones deben ser 
comprensibles, si no de manera inmediata, sí después 
de ser pre-procesados.
Como consecuencia de la complejidad del desarrollo 
de proyectos de minería de datos, a comienzos de los 
90 surge el estándar de modelo de proceso denomi-
nado CRISP-DM que divide el proceso en las siguientes 
fases:
• Comprensión del negocio: Se pretende aquí com-
prender los objetivos del proyecto y sus requerimien-
tos desde la perspectiva del negocio, convirtiendo 
este conocimiento en un problema de Data Mining 
y un plan preliminar para cumplir dichos objetivos.
• Comprensión de los datos: Se cuenta en un princi-
pio con una colección de datos, se deben identifi-
car los problemas de calidad de los datos, detec-
tar subconjuntos de interés, etc.
• Preparación de los datos: Mediante esta fase se 
construye el conjunto de datos final obtenido de la 
colección inicial de datos que será proporcionada 
a las herramientas de modelado. 
• Modelado: Se seleccionan y aplican varias técni-
cas de modelado, ajustándolas para obtener va-
lores óptimos. 
• Evaluación: Una vez construido un modelo se debe 
evaluar y revisar los pasos ejecutados para construir 
un modelo que consiga los objetivos de negocio. 
• Desplegado: Generalmente se deben aplicar mo-
delos en procesos de toma de decisiones de una 
organización.
Los problemas que se pueden abordar desde la pers-
pectiva de Data Mining a menudo se agrupan en las 
siguientes categorías:
1. Los problemas predictivos cuyo objetivo es pre-
decir el valor de un atributo en particular basado 
en los valores de otros atributos. El atributo que se 
predice se denomina comúnmente como atribu-
to objetivo (o variable dependiente), mientras que 
los atributos que se utilizan para la predicción son 
conocidos como atributos explicativos (o variables 
independientes). Destacan aquí los problemas de 
clasificación o de estimación de valor y como téc-
nicas podemos destacar los enfoques basados en 
estadística, regresión, árboles de decisión y redes 
neuronales. 
2. Los problemas descriptivos cuyo objetivo es derivar 
patrones (correlaciones, tendencias, agrupaciones 
o clústeres, trayectorias y anomalías) que resuman 
las características inherentes a los datos. Dentro de 
este grupo, cabe destacar el análisis de reglas de 
asociación para el que el algoritmo «A priori» es el 
más conocido, así como los problemas de seg-
mentación o clustering.
BIG DATA Y SOCIAL MEDIA EN SALUD
La evolución de la Web ha sufrido un cambio dramático 
en los últimos años que ha dado lugar a la explosión 
de los datos. El inicio de esta transformación viene de la 
evolución de la web 1.0 a la 2.0. En la web 1.0 hablá-
bamos de una web prácticamente estática, donde los 
contenidos eran generados principalmente por corpo-
raciones, y donde los usuarios finales apenas genera-
ban contenido, solo lo consumían.
En la web 2.0 el modelo empieza a cambiar, dando 
lugar a una generación de contenido por parte de los 
usuarios y con lo que sería la explosión de los datos en 
Internet. Este fenómeno comienza a pequeña escala 
con la introducción de elementos como los blogs o los 
foros, primeros antecesores de las redes sociales moder-
nas, y se convierte finalmente en un elemento de es-
cala global con la generación de redes sociales como 
Facebook, Twitter o Instagram por destacar algunas de 
las principales.
La combinación de uso de este tipo de redes socia-
les ha hecho que el volumen de datos que se genera 
cada día haya crecido de forma exponencial, dando 
lugar a que las cantidades de datos que se generan 
sean inmensas. Algunos de estos números pueden vi-
sualizarse en la infografía publicada por DOMO llamada 
Data Never Sleeps (6). Ejemplos de eventos que suce-
den cada minuto son: Google realiza casi 70 millones 
de traducciones de palabras; Instagram recibe casi 2,5 
millones de ‘likes’ a los posts de sus usuarios; Siri respon-
de casi 100.000 peticiones; los usuarios suben más de 
405 >Ei 91
BIG DATA EN SALUD: RETOS Y OPORTUNIDADES
800.000 nuevos ficheros a Dropbox; se publican casi 
10.000 tweets con emojis, etc. Estos números son solo 
una pequeña muestra de las cantidades de datos que 
son generadas por las redes sociales. En realidad, estos 
volúmenes de datos son mayores ya que ni contem-
plan todas las redes sociales ni todos los tipos de datos 
concretos que son susceptibles de análisis o gestión.
Redes sociales y salud
Dentro del entorno de salud, las redes sociales han emer-
gido con un fuerte y claro propósito: compartir informa-
ción de salud y conectar con otros enfermos, doctores o 
profesionales de la salud. Las personas tienen cada vez 
un expertise mayor en el uso de las nuevas tecnologías 
lo que da lugar a la proliferación de este tipo de redes 
sociales orientadas al campo de la salud. Aunque exis-
ten diferentes tipos de redes sociales en salud, según 
su orientación o tipo de usuarios registrados se pueden 
dividir fundamentalmente entre tres tipos: redes socia-
les orientadas a profesionales (conectan profesionales 
de salud entre sí mismos), redes sociales orientadas a 
pacientes (conectan pacientes entre sí mismos) y redes 
mixtas (conexión paciente-médico).
Un estudio realizado por AMN Healthcare (7) estimó que 
aproximadamente un tercio de los profesionales de la 
salud usan redes sociales específicas. Sin embargo, 
los datos reflejados el informe de AMN Healthcare solo 
hablan del uso de las redes sociales por parte de los 
profesionales médicos, y tal y como analiza la infografía 
se centra en un uso muy concreto de estas redes socia-
les por parte de éstos. No obstante, el uso de este tipo 
de redes por parte de los propios profesionales es más 
que interesante y relevante de cara a los datos que se 
comparten en ella. Algunos ejemplos de este tipo de 
redes sociales y del potencial que se puede derivar de 
los datos que contienen son iniciativas como Doximity 
(8), una red social que permite a los profesionales de 
la medicina comunicarse entre ellos con el objetivo de 
compartir información sobre posibles diagnósticos. Do-
ximity contiene más de 250.000 miembros en Estados 
Unidos, que representan aproximadamente el 40% de 
los médicos de este país.
Otra red social de interés similar dentro de los Estados 
Unidos es Sermo (9), que se autodefine en su propia pá-
gina web como la red social de médicos más grande 
del país, y actualmente, del mundo. Esta red también 
permite, al igual que Doximity, las discusiones sobre 
cualquier tema relacionado con la salud de una forma 
abierta y colaborativa.
Otras redes sociales de temática similar a nivel interna-
cional son Figure 1 (10) (enfocada en diagnóstico co-
laborativo), SharePractice (11) (similar a Figure 1 pero 
orientada a tratamientos), WeMedUp (12) o Doc2Doc 
(13) entre muchas otras.
A nivel nacional o que puedan tener una orientación al 
mercado hispano hablante destacan iniciativas como 
Ippok (14), red social orientada a profesionales de la sa-
lud que pueden pedir u ofrecer consejos o ayuda en tér-
minos de tratamientos, casos clínicos o similar, además 
de acceder a documentos y ofertas de trabajo; Doctor-
Dice (15) considerada como la red social exclusiva para 
médicos más grande de México y que permite el inter-
cambio de todo tipo de información clínica dentro de 
la misma; MedCenter (16) que es un portal dirigido a la 
comunidad médica con un objetivo prioritario centrado 
en la educación o Medicalia (17). Aparte de estas inicia-
tivas existen muchas otras con orientaciones similares a 
las ya descritas.
En lo que se refiere a redes socialesorientadas a pacien-
tes hay diferentes alternativas y con diferentes ámbitos. 
Las redes sociales de este tipo pueden buscar diferentes 
objetivos: desde simplemente compartir experiencias 
con la idea de buscar apoyo o recomendaciones ha-
cia determinadas enfermedades o tratamientos, hasta 
buscar segundas opiniones o alternativas incluso de tra-
tamiento en base a las opiniones o recomendaciones 
de otros usuarios. De cualquier forma, lo que las une 
es la interacción paciente-paciente, sin que el rol del 
profesional de la medicina tenga por qué estar nece-
sariamente presente como elemento principal de la red 
social.
Existen diferentes redes sociales que comparten el 
objetivo de conectar pacientes, siendo una de las 
principales y más importantes PatientsLikeMe (18). El 
objetivo con el que se define esta red social es el de 
permitir a sus usuarios compartir tratamientos o sínto-
mas de sus respectivas enfermedades con el fin de 
poder hacer un seguimiento y aprender de los resul-
tados de otros. Esta red social tiene diferentes comu-
nidades para diferentes enfermedades entre las que 
destacan algunas patologías como la Esclerosis La-
teral Amiotrófica (ELA), la Esclerosis Múltiple (EM), par-
kinson, fibromialgia, VIH, síndrome de fatiga crónica o 
trastorno de ánimo entre algunas de las más habitua-
les, aunque también dispone de comunidades para 
algunas enfermedades raras.
Otras redes sociales con objetivos similares, pero en mu-
chas ocasiones muy focalizadas a una patología con-
creta son por ejemplo tudiabetes.org (19), stupidcancer 
(20), curetogether (21) o Aorana (22) entre otras.
Finalmente, en el grupo mixto que conecta a pacien-
tes y médicos, aunque este tipo de redes sociales están 
más limitadas, existen iniciativas como RareShare (23), 
orientada a las enfermedades raras.
BIG DATA EN REDES SOCIALES Y SALUD PÚBLICA
La salud pública es la disciplina que se encarga de la 
protección y mejora de la salud de la población hu-
mana. Cuando se habla de salud pública se habla de 
grandes poblaciones de individuos, en vez de centrarse 
en casos o personas concretas. La salud pública puede 
gestionarse a diferentes niveles en cuanto a sus tama-
ños de población se refiere, en función de este preciso 
tamaño, ya que no es lo mismo gestionar poblaciones 
a niveles municipales, provinciales, estatales o interna-
cionales.
92 >Ei405
E. MENASALVAS / C. GONZALO / A. RODRÍGUEZ-GONZÁLEZ
En este contexto, Big Data encaja muy bien dentro de 
lo que se refiere a la creación de datos que puedan 
afectar a grandes conjuntos de personas o grandes 
poblaciones. El propio concepto de Big Data nace por 
la generación de grandes cantidades de datos, pero 
estas grandes cantidades de datos pueden ser gene-
radas de dos formas: entidades que producen gran-
des cantidades de datos (muchas o pocas entidades), 
o gran número de entidades que generan pequeñas 
cantidades de datos. Al final, todo se reduce a una es-
cala en el nivel de generación de los datos: quién los 
crea (cuántos actores están involucrados) y qué canti-
dades genera cada actor. 
En el entorno, por lo tanto, de salud pública, Big Data 
emerge mediante unas poblaciones que representan a 
gran cantidad de individuos generadores de pequeñas 
cantidades de datos, pero que en bloque suponen una 
gran cantidad de información.
Los usuarios, por tanto, son generadores de datos a 
pequeña escala, pero el conjunto de todos esos usua-
rios que generan datos crean el Big Data. El ejemplo 
más claro está precisamente en la infografía de DOMO 
mencionada previamente, donde los datos generados 
son enormes, pero son generados precisamente por di-
ferentes personas, por un inmenso número de personas. 
Cambia en este contexto el modelo de generación 
de datos por un modelo en cierto modo distribuido y 
donde por lo tanto las redes sociales son una fuente de 
datos de información de salud pública a tener muy en 
cuenta, tal y como se ha analizado previamente (Evika 
Karamagioli, 2015; Kass-Hout & Alhinnawi, 2013).
De los 500 millones de tweets que se generan al día, se 
estiman que alrededor de 1 millón están relacionados 
con la temática de salud. Además, los números de las 
redes sociales orientadas a la salud, como las descritas 
anteriormente, cuentan con espectaculares números 
en cuanto al contenido publicado, dando lugar a ge-
neración de datos plenamente orientados al dominio 
médico. HealthBoards.com se estima que pueda tener 
publicados alrededor de 4.6 millones de posts, con al 
menos 1 millón de miembros. CancerForums.net alre-
dedor de 150.000 posts y Drugs-Forum alrededor de 
medio millón de posts (24).
La generación de estos datos por parte de los usuarios 
puede ser de especial relevancia dentro de la salud pú-
blica. Un claro ejemplo de la importancia de la relación 
existente entre Big Data, redes sociales y salud pública 
es precisamente la última convocatoria del programa 
en retos sociales del programa europeo H2020, tal y 
como se vio reflejado en el programa de trabajo para 
el año 2016-2017 con el tópico «Big Data supporting Pu-
blic Health policies (SC1-PM-18-2016)» (25).
Pero la importancia de esta temática no finaliza solo 
en esta convocatoria de la unión europea. Otro ejem-
plo claro de la importancia de esta temática es la fa-
mosa conferencia internacional de la WWW en cuya 
edición de 2013 en Rio de Janeiro se organizó un wor-
kshop sobre redes sociales, Big Data y salud pública 
(26). El mismo año, se publicó un número especial de 
la revista Journal of Biomedical Informatics sobre la in-
formación biomédica en entornos de redes sociales 
(Rodríguez-González, Mayer, & Fernández-Breis, 2013) y 
más recientemente se ha organizado un special track 
sobre análisis de datos médicos y datos sociales en la 
conferencia IEEE Computer Based Medical Systems 
(CBMS) (27). Son muchas las iniciativas que apuestan 
por esta línea de investigación. Existen diferentes estu-
dios e investigaciones ya llevadas a cabo tanto a nivel 
nacional como internacional sobre el análisis de datos 
a gran escala provenientes de fuentes de informa-
ción de tipo social. Algunos de estas investigaciones 
incluyen por ejemplo la investigación llevada a cabo 
por la escuela universitaria de enfermería de Indiana y 
ChaCha (28), una red social de preguntas-respuestas 
con el objetivo de analizar mediante técnicas de pro-
cesamiento de lenguaje natural y herramientas de ex-
ploración de datos en tiempo real aquellas preguntas 
y respuestas relacionadas con salud y bienestar. Otras 
investigaciones se han centrado en el enlace entre los 
datos extraídos de las redes sociales y los registros mé-
dicos publicados en estas redes (Padrez et al., 2015) o 
para directamente analizar la información pública de 
las redes sociales con el objetivo de poder identificar 
posibles brotes de epidemias o condiciones patológi-
cas (Asamoah, Sharda, & Kumarasamy, 2015; Capurro 
et al., 2014; Nambisan, Luo, Kapoor, Patrick, & Cisler, 
2015; Paul & Dredze, 2011; Xie et al., 2013) tal y como 
hacen ya plataformas existentes como HealthMap (29) 
mediante el análisis masivo de información de redes 
sociales y noticias, o como hizo en su momento Goo-
gleFlu (30) mediante el análisis y geolocalización de 
búsquedas relacionadas con la gripe. Otros estudios 
se han centrado por ejemplo en el análisis de grupos 
de Facebook en cuanto a elementos de bienestar y 
salud como es la alimentación saludable (Leis et al., 
2013),grupos relacionados con el cáncer de mama 
(Bender, Jimenez-Marroquin, & Jadad, 2011) o estudios 
sobre el uso de Facebook para contestar a preguntas 
de medicina en la página de una conocida revista de 
medicina (Rodríguez-González, Menasalvas-Ruiz, & Pu-
jadas, 2016) entre muchos otros estudios de la misma 
índole. Algunos proyectos europeos como TrendMiner 
(31) incluían en sus casos de uso precisamente el aná-
lisis de las redes sociales en el entorno de salud, en este 
caso concretamente para la búsqueda de interaccio-
nes entre fármacos (Segura-Bedmar,Martínez, Revert, 
& Moreno-Schneider, 2015).
El crecimiento tanto de las redes sociales de propósito 
general (Facebook, Twitter, Instagram, etc.) como las de 
uso específico (entre las que destacan las analizadas 
previamente) ha dado lugar a un boom en lo que se 
refiere a la generación de información relacionada con 
la salud. Las redes sociales de uso específico, en las que 
se realiza un intercambio de la información relacionada 
con determinadas patologías y sus tratamientos entre 
pacientes, son una fuente muy importante de datos 
que puedan servir para extraer datos de gran utilidad 
como efectos adversos, nuevas opciones de tratamien-
to o incluso para poder detectar casos de errores en 
prescripciones clínicas entre otra información interesan-
te a extraer.
405 >Ei 93
BIG DATA EN SALUD: RETOS Y OPORTUNIDADES
Las redes sociales de profesionales permiten también, 
además de extraer información relacionada con la 
descrita para el caso de redes sociales de tipo pacien-
te-paciente, la extracción y análisis de diagnósticos de 
forma colaborativa.
Finalmente, las redes sociales de propósito general son 
junto con las anteriores una fuente de información dis-
tribuida geográficamente de gran calidad. Los datos 
a extraer de estas redes permitirán aplicar políticas de 
salud pública.
IMAGEN MÉDICA
La imagen médica constituye hoy una de las principales 
fuentes de información utilizadas por el médico para el 
diagnóstico y terapia. Se pueden considerar una venta-
na del cuerpo humano, que, de una manera práctica-
mente inocua, permite la caracterización de diferentes 
enfermedades, facilitando su diagnóstico y tratamiento. 
Como consecuencia, todas las tecnologías relaciona-
das con la imagen médica han evolucionado notable-
mente en las últimas décadas. 
En este artículo nos vamos a referir principalmente a 4 
de las V’s que, desde el punto de vista de Big Data, ca-
racterizan a la imagen médica: variabilidad, volumen, 
velocidad de generación y sobre todo el valor que se 
extrae de ellas. La variabilidad viene dada principal-
mente por el gran número de modalidades de imagen 
médica, como queda representado en la Figura 1.
En cuanto al volumen, por un lado, hay que considerar 
la cantidad de imágenes que se generan diariamente 
en cada centro asistencial y ese número extrapolarlo 
a nivel regional, nacional y supra-nacional. La Figura 2 
muestra, a modo ilustrativo, la evolución de este volu-
men de datos para dos de las modalidades más utili-
zadas, Resonancia Magnética y Tomografía Compute-
rizada, desde el año 2010 al 2014 en España. Como se 
puede apreciar, la suma de este número de pruebas 
en el año 2014 superó las 8.000.000 pruebas, exacta-
mente fueron 8.278.465.
Ahora bien, para realmente entender el volumen de da-
tos que es preciso almacenar y procesar en el ámbito 
de la imagen médica, se debe tener presente que una 
imagen 2-D (Figura 3) de tamaño medio, está forma-
da por más de un millón de unidades de información 
(pixeles); y que la mayoría de las imágenes médicas son 
3-D e incluso 4-D. En este sentido, existen estudios que 
consideran que el grado de complejidad del procesa-
do de las imágenes médicas, estimado en número de 
píxeles es equiparable a la complejidad del análisis de 
datos genómicos.
Respecto a la velocidad de generación de los datos, 
que a su vez está muy relacionada con el volumen, un 
buen indicador es la experiencia personal de cualquier 
persona que acude a un servicio de urgencias, pero 
para dar algunos datos objetivos, citaremos los datos 
correspondientes a un hospital de la red pública de la 
Comunidad de Madrid del año 2013 (33) (último año 
del que se dispone de datos). Los valores medios diarios 
de Ecografías, Tomografía Computerizada, Resonancia 
Magnética y Radiografías registradas fueron de 11, 85, 
53, 600, respectivamente. Un aspecto muy importante 
a tener en cuenta es que para explotar la información 
FIGURA 1
TAXONOMÍA DE DIFERENTES MODALIDADES DE IMAGEN MÉDICA SEGÚN EL TIPO DE RADIACIÓN 
UTILIZADA EN SU REGISTRO
 Fuente: Adaptada de (Dhawan, 2013) 
94 >Ei405
E. MENASALVAS / C. GONZALO / A. RODRÍGUEZ-GONZÁLEZ
de este volumen de datos a una velocidad equiparable 
a la que se producen, son necesarias técnicas y herra-
mientas que permitan un procesado y análisis de las 
imágenes de forma automática o cuasi-automática. 
Solo disponiendo de estas técnicas, realmente se po-
dría extraer todo el valor asociado a la imagen médica.
Por lo tanto, uno de los grandes retos es el desarrollo de 
nuevos algoritmos y metodologías para el procesado, 
análisis e interpretación del enorme volumen de datos 
que este tipo de imágenes representan, con objeto de 
ayudar a los profesionales sanitarios a explotar toda la 
información contenida en las mismas. Dado que la ex-
tracción de la información de estas imágenes depen-
de de muchos factores como, por ejemplo: modali-
dades, condiciones de registro, dispositivos, etc., no 
es posible disponer de procedimientos generales para 
localizar y/o identificar objetos tales como estructuras 
anatómicas o lesiones, sino que es preciso desarrollar 
métodos particulares para cada tipo de imagen y/o 
patología. 
Una vez que se ha extraído de cada imagen parti-
cular la información deseada, el siguiente paso con-
FIGURA 2
EVOLUCIÓN DEL NÚMERO DE RESONANCIAS MAGNÉTICAS Y TOMOGRAFÍAS COMPUTERIZADAS 
REALIZADAS EN ESPAÑA DESDE EL AÑO 2010 HASTA EL 2014 (32)
FIGURA 3
IMAGEN MÉDICA 2-D, CON DIFERENTES NIVELES DE AMPLIACIÓN DE UNA ZONA Y REPRESENTACIÓN DE 
LOS VALORES ASOCIADOS A LOS PÍXELES DE DICHA ZONA
2010 2011 2012 2013 2014
Tomografía Computerizada 3991238 4121958 4229630 4481070 4708807
Resonancia Magnetica 2775004 2945049 3019026 3241275 3569658
 Tomografia por Emisión de Positrones (PET) 90843 96145 97068 108890 119363
0	
1000000	
2000000	
3000000	
4000000	
5000000	
6000000	
7000000	
8000000	
9000000	
2010	 2011	 2012	 2013	 2014	
Pruebas	anuales	en	España	
Tomogra<a	Computerizada	 Resonancia	MagneEca	
 Fuente: Elaboración propia 
 Fuente: Elaboración propia 
405 >Ei 95
BIG DATA EN SALUD: RETOS Y OPORTUNIDADES
siste en asociar este conocimiento a las imágenes 
(anotación semántica de imágenes), de forma que, 
una vez almacenadas en grandes bases de datos, 
sea posible llevar a cabo búsquedas semánticas de 
las mismas o, en otras palabras, búsquedas por con-
ceptos. La anotación consiste en un conjunto de pa-
labras capaces de describir la información conteni-
da en la imagen. Tradicionalmente, la anotación de 
las imágenes se ha llevado a cabo manualmente 
por personal especializado. Sin embargo, este pro-
ceso tiene algunas desventajas, tales como el coste 
de tiempo y la subjetividad del operador. Aunque el 
mismo operador delimite y anote la misma imagen 
en momentos diferentes, la anotación no será ne-
cesariamente la misma. El enfoque alternativo es la 
anotación automática o semiautomática realizada 
por un algoritmo. La mayor parte de las aproxima-
ciones que se encuentran en la literatura se basan 
en técnicas de aprendizaje automático (Menasalvas 
& Gonzalo 2016).
Un problema que se ha detectado para poder pasar 
a la aplicación clínica de los estudios más teóricos 
es la necesidad de disponer de grandes bases de 
datos que permitan de una forma objetiva y rigurosa 
determinar y validar cuales son los mejores algorit-
mos a utilizar para cada aplicación. En este sentido, 
es de gran interés, las competiciones propuestas en 
los últimos años (34), en las cuales se han propor-
cionan datos anotados de casos reales de los que 
se conoce la información realidad-terreno, y se ha 
establecido un protocolo de validación común. De 
este modo, se asegura que los resultados propor-
cionan por diferentes algoritmos son técnicamente 
comparables y fiables para su aplicación clínica. 
CONCLUSIONES
La aplicación del paradigma de Big Data al entor-
no de la salud supondrá una mejora de magnitud 
aún no predecible en la calidad de la atención a los 
pacientes,así como en la prevención, diagnóstico 
y tratamiento de enfermedades, unido a una reduc-
ción notable en los costes de sanidad. Para alcanzar 
estos logros es fundamental la integración de todos 
los datos procedentes de muy diferentes fuentes, 
así como el desarrollo de nuevas tecnologías que 
permitan la explotación de dichos datos. No obs-
tante, el verdadero valor de Big Data en salud se 
conseguirá solo si los diferentes actores implicados 
en el proceso (administraciones públicas, empresas 
privadas, hospitales, médicos, centros de investiga-
ción, universidades, …) se comprometen en este 
proyecto de forma conjunta para llevar el ámbito 
sanitario a una nueva era. Esto solo se podrá llevar 
a cabo en el marco de un ecosistema de Big Data 
en salud en el que se integre conjuntamente con 
la tecnología, políticas adecuadas sobre privacidad 
y confidencialidad, infraestructuras y una cultura de 
uso compartido de los datos. Todo ello conlleva una 
serie de retos que hay que afrontar desde diferentes 
perspectivas y grado de profundidad.
NOTAS
[1] Del inglés, Electronic Health Record.
[2] Informe Índice SEIS http://www.seis.es/html/INDICE%20
2013%20DEFINITIVO%20ver%202%20SECURED.pdf
[3] Del inglés, Internet of Things.
[4] Del inglés, Magnetic Resonance Imaging.
[5] Del inglés, Computed Tomography.
[6] https://www.domo.com/blog/data-never-sleeps-4-0/
[7] https://www.amnhealthcare.com/uploadedFiles/
MainSite/Content/Healthcare_Industry_Insights/Indus-
try_Research/final.pdf
[8] Doximity https://www.doximity.com/ 
[9] Sermo http://www.sermo.com/ 
[10] Figure 1 https://figure1.com/ 
[11] SharePractice https://sharepractice.com/ 
[12] WeMedUp http://www.wemedup.com/ 
[13] Doc2Doc http://doc2doc.bmj.com/ 
[14] Ippok http://www.ippok.com/ 
[15] DoctorDice http://www.doctordice.com/ 
[16] MedCenter http://www.medcenter.com/ 
[17] Medicalia http://medicalia.ning.com/ 
[18] PatientsLikeMe https://www.patientslikeme.com/ 
[19] Tudiabetes.org http://www.tudiabetes.org/ 
[20] Stupidcancer http://stupidcancer.org/ 
[21] Curetogether http://curetogether.com/ 
[22] Aorana http://www.aorana.com/ 
[23] RareShare http://www.rareshare.org/ 
[24] Estadísticas de post publicados en temas de salud. 
http://www.naccho.org/topics/infrastructure/informa-
tics/resources/upload/dredze-naccho-webinar.pdf
[25] Informe Big Data supporting Public Health policies 
https://ec.europa.eu/research/participants/portal/
desktop/en/opportunities/h2020/topics/2442-sc1-
pm-18-2016.html 
[26] Conferencia internacional WWW de 2013. http://
www2013.org/2013/04/25/social-networks-and-big-
data-meet-public-health/ 
[27] Social data and medical data analytics special track. 
IEEE Computer-Based Medical Systems 2017 (CBMS 
2017). http://midas.ctb.upm.es/sdma
[28] IU School of Nursing and ChaCha partner to con-
duct interdisciplinary Big-Data research about health 
and wellness http://news.iupui.edu/releases/2015/02/
News%20Release.shtml 
[29] HealthMap http://www.healthmap.org/en/ 
[30] GoogleFlu https://www.google.org/flutrends/about/ 
[31] TrendMiner http://www.trendminer-project.eu/
[32] http://stats.oecd.org/Index.aspx?DataSetCode=HEAL-
TH_HCQI
[33] h t t p : / / w w w . m a d r i d . o r g / c s / S a t e l l i t e ? 
cid=1142475426064&language=es&pagena-
me=HospitalPuertaHierroMaja%2FPage%2FHPHM_
contenidoFinal
[34] http://www.miccai.org
BIBLIOGRAFÍA
AGGARWAL, C. C., HAN, J., WANG, J., & YU, P. S. (2003). 
«A Framework for Clustering Evolving Data Streams». In Pro-
ceedings of the 29th International Conference on Very Lar-
ge Data Bases - Volume 29 (pp. 81–92). Berlin, Germany: 
96 >Ei405
E. MENASALVAS / C. GONZALO / A. RODRÍGUEZ-GONZÁLEZ
VLDB Endowment. Retrieved from http://dl.acm.org/citation.
cfm?id=1315451.1315460
AGUILAR-RUIZ, J. S., & GAMA, J. (2005). «Data Streams». 
Journal of Universal Computer Science, 11(8), 1349–1352.
ASAMOAH, D., SHARDA, R., & KUMARASAMY, A. T. (2015). 
«Can Social Media Support Public Health? Demonstrating 
Disease Surveillance using Big Data Analytics». AMCIS 2015 
Proceedings. Retrieved from http://aisel.aisnet.org/am-
cis2015/HealthIS/GeneralPresentations/12
BASEL KAYYALI, DAVID KNOTT, & STEVE VAN KUIKEN. (2013). 
«The big-data revolution in US health care: Accelerating 
value and innovation». In McKinsey Company. McKinsey 
Company. Retrieved from http://www.mckinsey.com/insi-
ghts/health_systems_and_services/the_big-data_revolu-
tion_in_us_health_care
BENDER, J. L., JIMENEZ-MARROQUIN, M.-C., & JADAD, A. R. 
(2011). «Seeking Support on Facebook: A Content Analysis 
of Breast Cancer Groups». Journal of Medical Internet Re-
search, 13(1). https://doi.org/10.2196/jmir.1560
BONNIE FELDMAN, ELLEN M. MARTIN, & TOBI SKOTNES. 
(2012). «Big Data in Healthcare Hype and Hope». Retrieved 
from http://www.west-info.eu/files/big-data-in-healthcare.
pdf
CAPURRO, D., COLE, K., ECHAVARRÍA, M. I., JOE, J., NEO-
GI, T., & TURNER, A. M. (2014). «The Use of Social Networking 
Sites for Public Health Practice and Research: A Systematic 
Review». Journal of Medical Internet Research, 16(3), e79. 
https://doi.org/10.2196/jmir.2679
CUNNINGHAM, H. (2002). «GATE, a General Architecture 
for Text Engineering». Computers and the Humanities, 36(2), 
223–254. https://doi.org/10.1023/A:1014348124664
DEY, N., KARÁ¢ A, W. B. A., CHAKRABORTY, S., BANERJEE, S., 
SALEM, M. A., & AZAR, A. T. (2015). «Image mining framework 
and techniques: a review». International Journal of Image 
Mining, 1(1), 45-64.
DHAWAN, A. P. (2013). «Medical Image Analysis», Volu-
men 31 de IEEE Press Series on Biomedical Engineering, 
John Wiley & Sons
DOMINGOS, P., & HULTEN, G. (2000). «Mining High-speed 
Data Streams». In Proceedings of the Sixth ACM SIGKDD In-
ternational Conference on Knowledge Discovery and Data 
Mining (pp. 71–80). New York, NY, USA: ACM. https://doi.
org/10.1145/347090.347107
EVIKA KARAMAGIOLI. (2015). «Social media as a big pu-
blic health data source: review of the international bibliogra-
phy». PeerJ Preprint.
FAYYAD, U. M., PIATETSKY-SHAPIRO, G., & SMYTH, P. (1996). 
«From data mining to knowledge discovery: an overview». 
In U. M. Fayyad, G. Piatetsky-Shapiro, P. Smyth, & R. Uthuru-
samy (Eds.), Advances in Knowledge Discovery and Data 
Mining (pp. 1–34). Menlo Park, CA, USA: American Associa-
tion for Artificial Intelligence. Retrieved from http://dl.acm.
org/citation.cfm?id=257938.257942
FERNÁNDEZ BAIZÁN, C., MENASALVAS RUIZ, E., MARBÁN 
GALLEGO, Ó., & PEÑA SANCHEZ, J. M. (2001). «Minimal De-
cision Rules Based on the A Priori Algorithm». International 
Journal of Applied Mathematics and Computer Science, 
11(3), 671–704.
FERRUCCI, D., & LALLY, A. (2004). UIMA: «An Architectural 
Approach to Unstructured Information Processing in the Cor-
porate Research Environment». Nat. Lang. Eng., 10(3–4), 
327–348. https://doi.org/10.1017/S1351324904003523
GABER, M. M., KRISHNASWAMY, S., & ZASLAVSKY, A. (2005). 
«On-board Mining of Data Streams in Sensor Networks». In 
Advanced Methods for Knowledge Discovery from Com-
plex Data (pp. 307–335). Springer London. https://doi.
org/10.1007/1-84628-284-5_12
IAN H. WITTEN, EIBE FRANK, & MARK A. HALL. (2011). Data 
Mining: Practical Machine Learning Tools and Techniques, 
Third Edition (3 edition). Burlington, MA: Morgan Kaufmann.
KASS-HOUT, T. A., & ALHINNAWI, H. (2013). «Social media in 
public health». British Medical Bulletin, 108(1), 5–24. https://
doi.org/10.1093/bmb/ldt028
LEIS, Á., MAYER, M. Á., TORRES NIÑO, J., RODRÍGUEZ-GON-
ZÁLEZ, A., SUELVES, J. M., & ARMAYONES, M. (2013). «Grupos 
sobre alimentación saludable en Facebook: características 
y contenidos». Gaceta Sanitaria, 27(4), 355–357. https://
doi.org/10.1016/j.gaceta.2012.12.010
LOPER, E., & BIRD, S. (2002). NLTK: «The Natural Language 
Toolkit». In Proceedings of the ACL-02 Workshop on Effective 
Tools and Methodologies for Teaching Natural Language 
Processing and Computational Linguistics - Volume 1 (pp. 
63–70). Stroudsburg, PA, USA: Association for ComputationalLinguistics. https://doi.org/10.3115/1118108.1118117
MENASALVAS, E. & GONZALO-MARTÍN, C., (2016). Machine 
Learning for Health Informatics, Volume 9605 of the series 
Lecture Notes in Computer Science pp 221-242.
NAMBISAN, P., LUO, Z., KAPOOR, A., PATRICK, T. B., & CIS-
LER, R. A. (2015). «Social Media, Big Data, and Public Health 
Informatics: Ruminating Behavior of Depression Revealed 
through Twitter». In 2015 48th Hawaii International Confe-
rence on System Sciences (HICSS) (pp. 2906–2913). https://
doi.org/10.1109/HICSS.2015.351
PADREZ, K. A., UNGAR, L., SCHWARTZ, H. A., SMITH, R. J., 
HILL, S., ANTANAVICIUS, T., … MERCHANT, R. M. (2015). «Lin-
king social media and medical record data: a study of 
adults presenting to an academic, urban emergency de-
partment». BMJ Quality & Safety, bmjqs-2015-004489. ht-
tps://doi.org/10.1136/bmjqs-2015-004489
PAUL, M. J., & DREDZE, M. (2011). «You Are What You 
Tweet: Analyzing Twitter for Public Health». In Fifth Interna-
tional AAAI Conference on Weblogs and Social Media. 
Retrieved from https://www.aaai.org/ocs/index.php/ICWSM/
ICWSM11/paper/view/2880
RODRÍGUEZ-GONZÁLEZ, A., MAYER, M. A., & FERNÁN-
DEZ-BREIS, J. T. (2013). «Biomedical information through the 
implementation of social media environments». Journal 
of Biomedical Informatics, 46(6), 955–956. https://doi.or-
g/10.1016/j.jbi.2013.10.006
RODRÍGUEZ-GONZÁLEZ, A., RUIZ, E. M., & PUJADAS, M. A. 
M. (2016). «Automatic extraction and identification of users’ 
responses in Facebook medical quizzes». Computer Me-
thods and Programs in Biomedicine, 127, 197–203. https://
doi.org/10.1016/j.cmpb.2015.12.025
SEGURA-BEDMAR, I., MARTÍNEZ, P., REVERT, R., & MORE-
NO-SCHNEIDER, J. (2015). «Exploring Spanish health social 
media for detecting drug effects». BMC Medical Informa-
tics and Decision Making, 15(Suppl 2), S6. https://doi.or-
g/10.1186/1472-6947-15-S2-S6
SEIFERT, S., KELM, M., MOELLER, M., MUKHERJEE, S., CA-
VALLARO, A., HUBER, M., & COMANICIU, D. (2010, March). 
«Semantic annotation of medical images». In SPIE medical 
imaging (pp. 762808-762808). International Society for Op-
tics and Photonics.
405 >Ei 97
BIG DATA EN SALUD: RETOS Y OPORTUNIDADES
XIE, Y., CHEN, Z., CHENG, Y., ZHANG, K., AGRAWAL, A., 
LIAO, W.-K., & CHOUDHARY, A. (2013). «Detecting and Trac-
king Disease Outbreaks by Mining Social Media Data». In 
Proceedings of the Twenty-Third International Joint Con-
ference on Artificial Intelligence (pp. 2958–2960). Beijing, 
China: AAAI Press. Retrieved from http://dl.acm.org/citation.
cfm?id=2540128.2540556
 ZHANG, D., ISLAM, M. M., & LU, G. (2012). «A review on 
automatic image annotation techniques». Pattern Recog-
nition, 45(1), 346-362.